Pular para o conteúdo

Selecionar língua

Idioma atual: Português (Brasil)

Guia de entrada de voz com o Doubao

Editar página

Cota de teste: a plataforma aberta do Doubao oferece aos novos usuários 20 horas de reconhecimento de voz gratuito, que você pode usar primeiro para verificar se esse fluxo de entrada de voz serve para você.

Visão geral

O que é a entrada de voz com o Doubao

A entrada de voz com o Doubao é o recurso de reconhecimento de fala integrado ao HagiCode, que usa por baixo os serviços da plataforma aberta Doubao, da ByteDance. Você fala, e o sistema converte a voz em texto. O produto também combina o contexto do projeto atual para ajudar a reconhecer vocabulário de domínio e termos técnicos.

Principais cenários de uso

No HagiCode, os cenários a seguir funcionam melhor com entrada de voz:

  • Ditar propostas rapidamente: sem digitar, basta ditar para criar e enviar propostas com rapidez, aumentando bastante a eficiência
  • Fazer comentários: em revisões de código ou de documentos, adicione comentários e feedback rapidamente por voz
  • Responder mensagens: em conversas e discussões, responda mensagens rapidamente por voz, e digitar deixa de ser um peso
  • Criar conteúdo longo: gere rapidamente documentos de projeto, explicações técnicas, atas de reunião e outros conteúdos longos

Benefícios práticos

  • Integração profunda e percepção de contexto: o HagiCode integra profundamente o reconhecimento de voz do Doubao e usa automaticamente o contexto do projeto atual (como estrutura do código, pilha tecnológica e termos do domínio) para oferecer um reconhecimento preciso do vocabulário de domínio, o que aumenta de forma significativa a taxa de acerto em termos técnicos
  • Tempo de teste gratuito: a plataforma Doubao oferece 20 horas de reconhecimento gratuito, para você experimentar a entrada de voz sem barreiras
  • Velocidade muito alta: o reconhecimento é em tempo real, e você vê o texto enquanto fala, sem esperar
  • Alta precisão: baseado no modelo avançado de reconhecimento de voz do Doubao e combinado com o contexto do projeto, o resultado é preciso e confiável
  • Integração transparente: fica diretamente na caixa de entrada de mensagens do HagiCode, sem precisar trocar de aplicativo
  • Uso prático: basta clicar no microfone para começar, de forma simples e intuitiva

Início rápido

Pré-requisitos

Antes de usar a entrada de voz com o Doubao, você precisa:

  1. Obter uma conta na plataforma aberta do Doubao

  2. Criar um aplicativo e obter as credenciais

    • Crie um aplicativo de reconhecimento de voz na plataforma
    • Obtenha o APP ID e o Access Token
  3. Garantir a conexão de rede

    • O serviço de reconhecimento de voz exige conexão de rede
    • Garanta que o seu dispositivo consiga acessar o serviço de API do Doubao

Fluxo básico de uso

Estas são as etapas básicas para usar a entrada de voz com o Doubao:

  1. Obtenha o APP ID e o Access Token
  2. Configure o reconhecimento de voz no produto
  3. Teste a chave de API
  4. Localize a caixa de entrada de voz
  5. Clique no botão do microfone
  6. Conceda a permissão do microfone
  7. Comece a gravar
  8. Acompanhe o resultado do reconhecimento em tempo real
  9. Clique para parar a gravação
  10. Conclua a inserção do texto

Requisitos técnicos

Ambiente HTTP

O recurso de entrada de voz com o Doubao precisa ser executado em um ambiente HTTP/HTTPS.

AmbienteSuporteObservação
localhost✓Ambiente de desenvolvimento local (http://localhost ou http://127.0.0.1)
Servidor remoto HTTPS✓Aplicativo web implantado na internet e que usa HTTPS
Servidor remoto HTTP✗Aplicativo web implantado na internet, mas que usa HTTP
Protocolo file://✗Não é possível abrir diretamente um arquivo HTML

O recurso de entrada de voz com o Doubao tem as seguintes limitações:

  1. Implantações na internet precisam usar HTTPS: por causa das restrições de segurança do navegador, o acesso pela internet exige o protocolo HTTPS para obter a permissão do microfone
  2. Endereços locais não têm restrição: ao usar localhost ou 127.0.0.1, tanto HTTP quanto HTTPS são suportados
  3. O protocolo file:// não é suportado: em um ambiente com o protocolo file://, não é possível usar o microfone nem conexões WebSocket

Versão Desktop

A versão Desktop do HagiCode já inclui um ambiente HTTP e oferece suporte total à entrada de voz. Você pode usar o reconhecimento de voz diretamente, sem configuração adicional.

Modo Host

O modo Host local oferece suporte à entrada de voz:

  • Ao usar localhost ou 127.0.0.1, tanto HTTP quanto HTTPS são suportados
  • Ao implantar na internet, é obrigatório usar HTTPS

Etapas de configuração

Obter o APP ID

  1. Acesse o console de reconhecimento de voz do Doubao
  2. Entre ou cadastre uma conta
  3. No console, crie um novo aplicativo de reconhecimento de voz
  4. Na página de detalhes do aplicativo, localize e copie o APP ID

Obter o Access Token

  1. No console da plataforma aberta do Doubao
  2. Acesse o seu aplicativo de reconhecimento de voz
  3. Localize a área de gerenciamento de chaves de API
  4. Gere ou copie o Access Token

Guarde o seu Access Token com cuidado e não o divulgue a outras pessoas. Se precisar trocá-lo, você pode gerar um novo na plataforma aberta do Doubao.

Configurar no produto

  1. Abra o aplicativo HagiCode
  2. Acesse Configurações → Configurações de reconhecimento de voz
  3. No formulário de configuração, preencha as informações a seguir:
    • Provider: selecione doubao (Doubao)
    • APP ID: cole o APP ID que você obteve na plataforma Doubao
    • Access Token: cole o Access Token que você obteve na plataforma Doubao
  4. (Opcional) Ajuste os demais parâmetros de configuração conforme necessário
  5. Clique no botão Testar chave de API para validar a configuração
  6. Depois que a configuração for validada com sucesso, ela é salva automaticamente no armazenamento local do navegador

Descrição dos campos de configuração

CampoObrigatórioDescriçãoPadrão
ProviderSimProvedor do serviço de reconhecimento de vozdoubao
APP IDSimIdentificador único do aplicativo, obtido na plataforma aberta do Doubao-
Access TokenSimToken de acesso para autenticação, obtido na plataforma aberta do Doubao-
Service URLNãoEndereço do serviço de API; em geral, usa-se o valor padrão(1)
Duração máxima de gravaçãoNãoDuração máxima de uma única gravação, na faixa de 10 a 600 segundos300 segundos
Taxa de amostragemNãoTaxa de amostragem do áudio; suporta 16000 Hz16000 Hz
Profundidade de bitsNãoProfundidade de bits do áudio16-bit
Número de canaisNãoNúmero de canais de áudio; mono1
(1) wss://openspeech.bytedance.com/api/v3/sauc/bigmodel_async

Testar a chave de API

Depois de concluir a configuração, recomendamos testar se a chave de API é válida:

  1. Clique no botão Testar chave de API
  2. O sistema chama a API de teste para validar a sua configuração
  3. Se a configuração estiver correta, uma mensagem de sucesso é exibida
  4. Se a configuração estiver errada, uma mensagem de erro é exibida; verifique os itens a seguir:
    • Se o APP ID e o Access Token estão corretos
    • Se a conexão de rede está normal
    • Se o Access Token já expirou

Se o teste falhar, verifique primeiro se a conexão de rede está normal e, em seguida, confirme se a chave de API da plataforma aberta do Doubao é válida e não expirou.

Como usar

Localizar onde usar a entrada de voz

No HagiCode, as caixas de entrada de texto com um ícone de microfone oferecem suporte à entrada de voz. Esses componentes costumam ser chamados de VoiceTextArea.

Os locais comuns de entrada de voz incluem:

  • A caixa de entrada de mensagens
  • Áreas de edição de texto
  • Diversos campos de formulário que exigem entrada de texto

Iniciar o reconhecimento de voz

  1. Localize a caixa de entrada com o ícone de microfone
  2. Clique no botão do microfone
  3. O navegador solicita a permissão do microfone
  4. Clique em Permitir para autorizar o acesso ao microfone

Se você já autorizou o microfone antes, o navegador pode não pedir a permissão novamente. Para conferir ou alterar as configurações de permissão, use o ícone de cadeado à esquerda da barra de endereços do navegador.

Estados da gravação

Depois que a autorização é concedida, o reconhecimento de voz inicia automaticamente, e você vê o seguinte:

  • Animação de forma de onda: dentro do botão do microfone aparece uma forma de onda dinâmica, indicando que a gravação está em andamento
  • Exibição da duração: abaixo do botão aparece a duração atual da gravação
  • Reconhecimento em tempo real: o texto reconhecido aparece temporariamente na posição do cursor

Exibição do resultado do reconhecimento em tempo real

Durante a gravação, o mecanismo de reconhecimento de voz converte a sua fala em texto em tempo real:

  • O texto reconhecido aparece temporariamente em cinza na caixa de entrada
  • Conforme você fala, o resultado do reconhecimento é atualizado continuamente
  • Há suporte ao reconhecimento de mandarim, com boa precisão

Para obter melhores resultados de reconhecimento, recomendamos:

  • Usar em um ambiente silencioso
  • Falar com clareza e em ritmo moderado
  • Evitar a interferência de ruído de fundo

Parar o reconhecimento

Para parar o reconhecimento de voz, você pode:

  1. Clicar no botão do microfone: clicar de novo no botão interrompe a gravação
  2. Clicar na caixa de entrada: clicar em outra área da caixa de entrada também interrompe a gravação

Depois de parar, o texto final reconhecido é inserido de forma definitiva na caixa de entrada, e você pode continuar editando ou enviar.

HagiCode

O HagiCode é um ambiente de programação com agentes. Interações de interface ricas e práticas tornam o planejamento, a execução de agentes e o trabalho em projetos mais acessíveis e fáceis de acompanhar, criando uma experiência de desenvolvimento envolvente.

Uma experiência de desenvolvimento envolvente, com interações de interface ricas e práticas.

Acessar HagiCodeLer a documentação
  • InteligenteOs fluxos de trabalho do OpenSpec transformam a intenção em um caminho executável, da proposta ao design, às tarefas e à entrega.
  • EficienteA execução multiagente mantém pesquisa, implementação e revisão em andamento em paralelo, em vários repositórios e com os Agent CLI que você já usa.
  • InteressanteInterações de interface ricas e práticas tornam o planejamento, a execução de agentes e o trabalho em projetos mais acessíveis e fáceis de acompanhar.

Baixar para Windows

Obter na Microsoft StoreTodos os downloads

Transforme ideias em software entregue.

O HagiCode é um ambiente de programação com agentes: os fluxos de trabalho do OpenSpec planejam a mudança, a execução multiagente a realiza e o Hero Scenario torna o longo percurso visível, para transformar ideias em software entregue.

Inteligente
Os fluxos do OpenSpec transformam a intenção em um caminho da proposta à entrega.
Eficiente
A execução multiagente conduz pesquisa, implementação e revisão em paralelo.
Divertido
As interações de interface facilitam o planejamento, a execução de agentes e os projetos.